TeleStyle 開源：用參考圖或提示詞給圖片影片一鍵換風格
研究團隊釋出風格遷移模型 TeleStyle，支援通過參考圖或文本為影像和影片賦予特定畫風。該模型基於 Qwen-Image-Edit 構建，藉助課程持續學習與專用的影片模組，在套用新風格時仍能保證畫面內容和幀間連貫性。目前程式碼與預訓練模型已開源。
AI影像
檢視更新的新聞
阿里開源 Z-Image 滿血基座：主打高多樣性與微調，ComfyUI 首日支援
阿里通義團隊開源影像生成基座模型 Z-Image。它是此前 Turbo 版本的未蒸餾滿血底模，解決了一換種子構圖不變、多人同臉的問題，原生支援負向提示詞和 LoRA 微調。出圖步數增至 50 步，目前已支援在 ComfyUI 中直接執行。
ESA 用 AI 篩查哈勃近億張影像：兩天半揪出 800 多個未知天體
歐洲空間局天文學家公佈神經網路 AnomalyMatch。它在兩天半內篩查了哈勃檔案中近 1 億張影像切片，找出 1400 個異常天體候選，其中 800 多個為此前從未記錄的宇宙異常，包括引力透鏡和無法歸類的神秘天體。
Krea AI 測試 Realtime Edit：前萬名候補與 Max 使用者率先可用
Krea AI 宣佈上線 Realtime Edit 的 Beta 測試，首批向候補名單前 10000 名使用者以及全部 Max 訂閱使用者開放。該功能主打即時區域性編輯與修圖，普通使用者目前仍需在候補名單中排隊。
Google DeepMind 動畫短片亮相聖丹斯：用 Veo 配合草圖控制生成 4K 畫面
Google DeepMind 聯合前皮克斯動畫師製作的短片在聖丹斯電影節展出。團隊棄用單純文字生成，改用草圖與粗剪驅動 Veo 和 Imagen，實現區域性重繪與風格微調。最值得關注的是，這套工作流證明了專業動畫不必向 AI 的隨機性妥協。
騰訊開源混元影像 3.0 Instruct：原生內建思維鏈，一句話精準修圖
騰訊釋出並開源混元影像 3.0 圖生圖模型（HunyuanImage 3.0-Instruct），支援指令修圖與多圖融合。模型原生內建思維鏈，生成前會先推理編輯步驟與保留區域。該能力已在騰訊元寶上線，開源權重約 169 GB，對本地視訊記憶體要求極高。
谷歌 DeepMind 釋出 D4RT：統一 4D 重建與追蹤，速度快達 300 倍
谷歌 DeepMind 釋出統一 4D 重建與跟蹤模型 D4RT。它把整段影片壓縮成全域性時空表徵，再通過並行查詢即時生成深度與運動軌跡，軌跡追蹤吞吐量比現有技術快出最高 300 倍。這意味著機器人和 AR 裝置有望以極低延遲即時看清並預判流動的物理世界。
RF-DETR 開源：即時分割模型單圖最快 3.4 毫秒，採用 Apache 2.0
研究員開源即時分割模型 RF-DETR segmentation，採用 Apache 2.0 協議。模型提供從 Nano 到 2XLarge 共 6 種尺寸，單圖推理速度在 3.4 毫秒（40.3 mAP）至 21.8 毫秒（49.9 mAP）之間，兼顧即時性與高精度分割。
YouTube 將支援 AI 分身做短影片：創作者可用數字人自拍 Shorts
YouTube 宣佈今年將允許創作者使用自己的 AI 形象生成 Shorts 短影片，還能靠文本提示做小遊戲。平臺還將同步配套肖像管理工具，防範未經授權的盜用與低質 AI 內容。目前該功能尚未正式上線。
影片摳像模型 VideoMaMa：粗掩碼轉畫素級摳像，宣佈將開源
研究人員推出影片摳像模型 VideoMaMa，利用預訓練影片擴散模型的生成先驗，直接將粗糙的分割掩碼轉化為髮絲級精確的摳像。團隊還基於此構建了含超 5 萬條真實影片的資料集 MA-V 並訓練出 SAM2-Matte。所有模型與資料均將公開發布。
Motion 3-to-4：單目影片直接轉 4D 動態物體，角色動作還能遷移
研究團隊開源 4D 動態生成模型 Motion 3-to-4。它能從單視角影片中直接重建高保真 4D 動態物體，把任務拆解為靜態 3D 形狀與逐幀頂點運動軌跡預測，還能將提取出的角色動作遷移到其他影片中。
Lightricks 推出音訊轉影片功能：聽懂音樂節拍，用聲音直接生成畫面
Lightricks 推出音訊轉影片功能，允許使用者輸入語音、音樂或音效生成對應影片。模型能理解節奏與節拍，實現畫面與聲音精準卡點，可用來製作音樂影片、素材和數字人。這意味著聲音也能直接充當畫面的分鏡指令碼。
Overworld 開源即時世界模型 Waypoint-1：鍵鼠直接操控，5090 上跑出 60 幀
Overworld 開源即時互動式影片模型 Waypoint-1 及推理庫 WorldEngine，支援通過鍵鼠即時操控畫面。該模型基於上萬小時遊戲影片訓練，在 RTX 5090 上最高可達 60 FPS 且近乎零延遲。不過目前畫面一致性較弱且存在幻覺，已開放 2.3B 小型版本下載。
Meta 開源 ShapeR：隨手拍影片拆出尺寸準確的獨立 3D 物體
Meta 開源 3D 重建框架 ShapeR。它結合 SLAM 點雲與多模態資料，能把隨手拍攝的影片序列直接拆解，為場景中的每個物體生成具備真實度量尺寸的獨立 3D 網格。這解決了以往 3D 生成將場景糊成一體、無法單獨編輯物體的難題。
研究人員推出智慧體 VIGA：給一張圖，直接在 Blender 裡重建成 3D 場景
研究團隊推出多模態智慧體 VIGA，能把單張二維影像重構成 Blender 裡可完全編輯的 3D 場景程式。它通過交替多模態推理與上下文記憶，既能用幾何圖元從零搭場景，也能呼叫現有 3D 工具。基準測試顯示，其在 BlenderBench 上的綜合表現相比基線提升超 124%。
開源模型 CoDance：打破空間繫結，讓畫面中任意多角色同框起舞
研究團隊開源多主體動畫模型 CoDance，解決了角色與驅動姿態錯位就無法動起來的難題。它先解綁動作與空間位置，再通過文本和遮罩把動作精準指派給目標角色，無論畫面裡有幾個人、什麼畫風都能生成協調動畫。目前程式碼與權重已全部開源。
Black Forest Labs 釋出 FLUX.2 klein：亞秒生圖，4B 開源、消費級顯示卡可跑
Black Forest Labs 釋出影像生成模型 FLUX.2 klein，能在 13GB 視訊記憶體的消費級顯示卡上實現亞秒級生圖與編輯。模型提供 API 與本地部署支援，其中 4B 版本採用 Apache 2.0 協議開源，9B 版本開放權重，官方同步上線了免費 Demo。
Black Forest Labs 推出 FLUX.2 [klein]：亞秒級生圖，4B 版本開源 Apache 2.0
Black Forest Labs 推出快速影像生成模型 FLUX.2 [klein]，主打亞秒級推理，官方稱比競品快 30% 以上。新模型分為 9B 與 4B 兩種規格，其中 4B 版本採用寬鬆的 Apache 2.0 開源協議，最低僅需 8.4GB 視訊記憶體即可本地部署，且官方提供了免註冊體驗 Demo。
3D 綁骨框架 RigMo 釋出：無需人工標註，自動給動物和物體加骨骼做動畫
研究團隊公佈 3D 動畫框架 RigMo 論文。它能直接從模型序列中推斷骨架與動作，無需人工標註骨骼，除了人形和鳥獸外，連風扇等物體也能準確繫結。相比 Uni-Rig 更穩且不易綁歪。目前程式碼與資料即將開源。
騰訊推出 VerseCrafter：單圖生成影片，可在 Blender 裡拖運鏡和物體軌跡
騰訊等研究人員推出影片世界模型 VerseCrafter。它以 Wan2.1 為底座，能將單張圖片轉化為幾何場景，讓使用者在 Blender 中直接編輯運鏡路線與物體的 3D 運動軌跡，生成多視角下連貫的高質量動態影片。不過模型目前對人體朝向和非剛性背景形變控制仍有限制。